大數(shù)據(jù)技術(shù)在電商平臺(tái)中的應(yīng)用

摘要：本文通過(guò)大數(shù)據(jù)技術(shù)的應(yīng)用能夠從海量的數(shù)據(jù)信息中挖掘出有價(jià)值的信息，并實(shí)現(xiàn)對(duì)信息發(fā)展趨勢(shì)的預(yù)測(cè)。在進(jìn)行數(shù)據(jù)挖掘時(shí)，主要從數(shù)據(jù)清理、數(shù)據(jù)集成以及數(shù)據(jù)選擇等方面進(jìn)行。為了加強(qiáng)大數(shù)據(jù)技術(shù)在電商平臺(tái)中的應(yīng)用，促進(jìn)電商平臺(tái)更好的發(fā)展，需要從用戶畫(huà)像探究與差異化服務(wù)、信用評(píng)估及消費(fèi)者管理、聯(lián)系智能設(shè)施，推薦個(gè)性化應(yīng)用方案三個(gè)方面進(jìn)行。

關(guān)鍵詞：大數(shù)據(jù)技術(shù);電商平臺(tái);數(shù)據(jù)挖掘

隨著現(xiàn)代社會(huì)發(fā)展步伐的不斷加快，社會(huì)整體經(jīng)濟(jì)水平進(jìn)一步提升，移動(dòng)智能終端設(shè)備、無(wú)線傳感器等設(shè)備被廣泛應(yīng)用，這些設(shè)施無(wú)時(shí)無(wú)刻都在產(chǎn)生海量的數(shù)據(jù)，于此同時(shí)物聯(lián)網(wǎng)、互聯(lián)網(wǎng)等又對(duì)這些數(shù)據(jù)進(jìn)行收集和轉(zhuǎn)發(fā)，互聯(lián)網(wǎng)服務(wù)全天不停歇的對(duì)這些龐大的數(shù)據(jù)信息進(jìn)行處理與交互。大數(shù)據(jù)時(shí)代，通過(guò)對(duì)海量數(shù)據(jù)資源進(jìn)行挖掘，發(fā)現(xiàn)其中的價(jià)值和規(guī)律，對(duì)其充分利用就能夠?qū)崿F(xiàn)利益的增長(zhǎng)，換言之?dāng)?shù)據(jù)即價(jià)值。相關(guān)研究數(shù)據(jù)表明，當(dāng)企業(yè)對(duì)數(shù)據(jù)資源的利用率增加5%，就能夠?yàn)槠髽I(yè)帶來(lái)大約18%的利潤(rùn)增長(zhǎng)，企業(yè)的技術(shù)開(kāi)發(fā)方式也從應(yīng)用驅(qū)動(dòng)方式發(fā)展為數(shù)據(jù)驅(qū)動(dòng)方式。大數(shù)據(jù)在現(xiàn)代社會(huì)中的影響力越來(lái)越大，已經(jīng)成為了眾多領(lǐng)域共同研究的目標(biāo)，在電商平臺(tái)建設(shè)中的作用也越來(lái)越顯著。

大數(shù)據(jù)概念涵蓋了技術(shù)與商業(yè)兩個(gè)方面，從技術(shù)角度來(lái)看，基于Hadoop集群的分布式存儲(chǔ)以及計(jì)算機(jī)系統(tǒng)，實(shí)現(xiàn)了數(shù)據(jù)儲(chǔ)存以及計(jì)算水平可以滿足高量級(jí)數(shù)據(jù)需求;從商業(yè)角度來(lái)看，依托于大數(shù)據(jù)核心技術(shù)探索電子商務(wù)運(yùn)營(yíng)過(guò)程中出現(xiàn)的結(jié)構(gòu)化以及半結(jié)構(gòu)化數(shù)據(jù)，挖掘出數(shù)據(jù)信息的隱藏價(jià)值，尋找出其中的規(guī)律，為企業(yè)決策的制定提供支持，也能夠促進(jìn)精準(zhǔn)營(yíng)銷、差異化服務(wù)的發(fā)展，優(yōu)化電商平臺(tái)盈利體系[1]。

1 大數(shù)據(jù)技術(shù)

大數(shù)據(jù)應(yīng)用的根本目的不僅僅是為了實(shí)現(xiàn)高量級(jí)數(shù)據(jù)信息的計(jì)算，而是希望從龐大的數(shù)據(jù)資源中提取出有價(jià)值的信息。數(shù)據(jù)提取與挖掘是指從龐大數(shù)據(jù)資源中提取出有應(yīng)用價(jià)值的數(shù)據(jù)信息的有趣過(guò)程。通常情況下，在進(jìn)行數(shù)據(jù)挖掘時(shí)，選取的數(shù)據(jù)源主要為數(shù)據(jù)倉(cāng)庫(kù)、Web等[2]。其中，數(shù)據(jù)倉(cāng)庫(kù)是專門(mén)為數(shù)據(jù)提取和挖掘提供服務(wù)的，實(shí)際上是一個(gè)面向主題的、集成化程度高的、時(shí)刻變化的、穩(wěn)定性好的數(shù)據(jù)集合，進(jìn)而在管理人員制定決策過(guò)程中給予很好的幫助。從本質(zhì)上來(lái)看，可以將數(shù)據(jù)庫(kù)系統(tǒng)劃分為兩個(gè)部分，即聯(lián)機(jī)數(shù)據(jù)處理（OLTP）系統(tǒng)以及聯(lián)機(jī)分析處理（OLAP）系統(tǒng)，兩種系統(tǒng)在面向?qū)ο?、用途、?nèi)容、設(shè)計(jì)、視圖以及訪問(wèn)模式等方面都具有明顯的不同[3]，具體如表1所示。值得注意的是，數(shù)據(jù)庫(kù)應(yīng)用的是聯(lián)機(jī)數(shù)據(jù)處理系統(tǒng)，數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用的是聯(lián)機(jī)分析處理系統(tǒng)。

上述部分對(duì)數(shù)據(jù)挖掘的概念進(jìn)行了講解，接下來(lái)將重點(diǎn)闡述數(shù)據(jù)挖掘的主要流程。

1.1 數(shù)據(jù)挖掘主要流程

數(shù)據(jù)挖掘是實(shí)現(xiàn)從龐大數(shù)據(jù)信息中提取出有價(jià)值信息的系統(tǒng)性過(guò)程。要實(shí)現(xiàn)對(duì)數(shù)據(jù)信息的挖掘，一般需要經(jīng)過(guò)數(shù)據(jù)清理、數(shù)據(jù)集成以及數(shù)據(jù)選擇等途徑，數(shù)據(jù)挖掘的具體工作流程如圖1所示。

在數(shù)據(jù)挖掘過(guò)程中，數(shù)據(jù)清理的主要作用是為了降低噪聲以及消除不相同的區(qū)域;數(shù)據(jù)集成是將各種類型不相同的數(shù)據(jù)源整合起來(lái);數(shù)據(jù)選擇是依照具體的要求從龐大數(shù)據(jù)信息中選擇目標(biāo)數(shù)據(jù);數(shù)據(jù)轉(zhuǎn)化及離散化是依托于匯總等操作方法，完成對(duì)數(shù)據(jù)的統(tǒng)一性以及離散性操作，使得所有的數(shù)據(jù)信息都轉(zhuǎn)化成適宜數(shù)據(jù)挖掘的格式[4]。一般來(lái)說(shuō)，主要基于最大最小、z-score等手段實(shí)現(xiàn)數(shù)據(jù)資源的統(tǒng)一化，之后依托于直方圖、概念分層等方式完成對(duì)數(shù)據(jù)資源的離散化處理[5]。模式發(fā)現(xiàn)主要是通過(guò)數(shù)據(jù)分析算法開(kāi)展數(shù)據(jù)提取與分析操作，并從中獲取各個(gè)數(shù)據(jù)資源之間的關(guān)系模式。當(dāng)下主流的模式涵蓋了頻繁模式、聚類分析以及離散點(diǎn)分析等。模式評(píng)估實(shí)際上是對(duì)模式發(fā)現(xiàn)的衡量，是利用實(shí)際的數(shù)據(jù)信息來(lái)查看發(fā)現(xiàn)模式的準(zhǔn)確性，評(píng)估模式推理能否達(dá)到規(guī)定的標(biāo)準(zhǔn)。知識(shí)發(fā)現(xiàn)是指在完成模式評(píng)估以后，從中獲得的知識(shí)。

1.2 數(shù)據(jù)分析方法

在進(jìn)行數(shù)據(jù)挖掘操作時(shí)，模式發(fā)現(xiàn)是最為關(guān)鍵的一個(gè)環(huán)節(jié)，在面對(duì)各種類型的模式時(shí)應(yīng)當(dāng)要選擇與之相匹配的數(shù)據(jù)分析算法?，F(xiàn)階段，應(yīng)用較為常見(jiàn)的數(shù)據(jù)挖掘方式主要有頻繁模式、關(guān)聯(lián)與相關(guān)性挖掘模式，在這種模式下一般使用的主流算法是Apriori算法[6]。分類與回歸模式的操作對(duì)象是已經(jīng)明確類別的數(shù)據(jù)集，并從其中探索到數(shù)據(jù)類型劃分的特征模型，并確保該模型可以很好的預(yù)測(cè)未知數(shù)據(jù)目標(biāo)的類別。當(dāng)下主要采用的分類方式有決策樹(shù)、遺傳算法以及神經(jīng)網(wǎng)絡(luò)等。聚類分析方法中需要進(jìn)行分析的所有數(shù)據(jù)目標(biāo)，初始時(shí)期并沒(méi)有任何的分類標(biāo)記，之后依托于聚類算法實(shí)現(xiàn)數(shù)據(jù)信息的分類。在進(jìn)行數(shù)據(jù)分組過(guò)程中，需要嚴(yán)格按照類內(nèi)最大相似度、類間最小相似度的原則進(jìn)行[7]。如圖2所示為聚類分析示意圖，基于兩點(diǎn)之間的歐式距離為聚類標(biāo)準(zhǔn)，將各點(diǎn)自動(dòng)劃分成三個(gè)部分。

2 大數(shù)據(jù)技術(shù)在電商平臺(tái)的應(yīng)用

伴隨著云計(jì)算、物聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，大數(shù)據(jù)在電商平臺(tái)上的應(yīng)用越來(lái)越深入、越來(lái)越廣泛，電商企業(yè)的發(fā)展方式逐漸從以往依靠產(chǎn)品類型多種多樣、產(chǎn)品數(shù)量大、用戶基數(shù)積累等轉(zhuǎn)變到數(shù)據(jù)驅(qū)動(dòng)，這也成為了現(xiàn)代電商企業(yè)業(yè)績(jī)?cè)鲩L(zhǎng)的重要途徑。通常情況下，大數(shù)據(jù)在電商領(lǐng)域的應(yīng)用主要體現(xiàn)在以下幾個(gè)方面，分別是用戶畫(huà)像探究、精準(zhǔn)營(yíng)銷、差異化服務(wù)以及互聯(lián)網(wǎng)金融等。

2.1 用戶畫(huà)像探究與差異化服務(wù)

用戶畫(huà)像探究是電商平臺(tái)面向消費(fèi)者開(kāi)展數(shù)據(jù)分析與數(shù)據(jù)應(yīng)用最直接、最有效的方法，主流的畫(huà)像分析項(xiàng)目涵蓋了消費(fèi)者的消費(fèi)行為及需求畫(huà)像、消費(fèi)者消費(fèi)習(xí)慣畫(huà)像、消費(fèi)者方位畫(huà)像。消費(fèi)者在各個(gè)電商平臺(tái)上進(jìn)行瀏覽商品信息時(shí)，會(huì)產(chǎn)生大量的數(shù)據(jù)信息，可以對(duì)消費(fèi)者的這些信息進(jìn)行分析，從而構(gòu)建出各種用戶畫(huà)像，比如說(shuō)消費(fèi)者在首次登陸注冊(cè)賬號(hào)填寫(xiě)的各項(xiàng)信息、商品購(gòu)買記錄、歷史瀏覽記錄、方位信息、支付方式以及銀行賬號(hào)信息等，同時(shí)更加構(gòu)建各種用戶畫(huà)像對(duì)消費(fèi)者進(jìn)行分類，為不同類別、不同層次的消費(fèi)者提供差異化服務(wù)。比如說(shuō)，針對(duì)中年消費(fèi)群體，這部分人有著較強(qiáng)的原始積累，一般資金比較充足、消費(fèi)能力比較高，再根據(jù)消費(fèi)者的具體情況為其推送相對(duì)應(yīng)的基金、黃金等理財(cái)產(chǎn)品。

2.2 信用評(píng)估及消費(fèi)者管理

在電商平臺(tái)上無(wú)時(shí)無(wú)刻不在產(chǎn)生大量的數(shù)據(jù)信息，這些海量的數(shù)據(jù)中包含了大量的消費(fèi)者個(gè)人信息，利用大數(shù)據(jù)分析技術(shù)，結(jié)合構(gòu)建的各種用戶畫(huà)像，可以將消費(fèi)者按照特定原則劃分為兩個(gè)類別，分別是一般消費(fèi)者群以及重要消費(fèi)者群，同時(shí)對(duì)各個(gè)群的用戶進(jìn)行信譽(yù)度評(píng)估，構(gòu)建信譽(yù)度等級(jí)。此外，依托于消費(fèi)者管理，對(duì)各個(gè)消費(fèi)者建立正確的認(rèn)知，并以此為基礎(chǔ)為消費(fèi)者提供高效、有用的產(chǎn)品與服務(wù)[8]。比如說(shuō)通過(guò)大數(shù)據(jù)分析技術(shù)，能夠得知許多消費(fèi)者在購(gòu)買基金理財(cái)產(chǎn)品以后，還有很大概率會(huì)購(gòu)買保險(xiǎn)產(chǎn)品，為此，電商平臺(tái)可以對(duì)這部分消費(fèi)者的消費(fèi)行為、習(xí)慣以及特征進(jìn)行提取和分析，為其提供與之相匹配的差異化的產(chǎn)品方案。

2.3 聯(lián)系智能設(shè)施，推薦個(gè)性化應(yīng)用方案

現(xiàn)如今，物聯(lián)網(wǎng)、移動(dòng)智能終端設(shè)備快速發(fā)展，智能家居、智慧城市以及智慧校園建設(shè)等持續(xù)進(jìn)行，能夠在此基礎(chǔ)上為消費(fèi)者提供個(gè)性化的應(yīng)用方案。比如說(shuō)在國(guó)家電網(wǎng)電商平臺(tái)上，能夠依托物聯(lián)網(wǎng)、智能家居對(duì)消費(fèi)者的用電習(xí)慣、用電時(shí)間段以及用電總量等進(jìn)行記錄，將這些數(shù)據(jù)信息導(dǎo)入到大數(shù)據(jù)平臺(tái)上，實(shí)現(xiàn)數(shù)據(jù)信息的共享，進(jìn)行用電費(fèi)用計(jì)算以及消費(fèi)者畫(huà)像分析，同時(shí)根據(jù)每個(gè)消費(fèi)者的用電情況，為消費(fèi)者推薦適宜的用電方案，既能夠降低消費(fèi)者用電成本，也可以緩解供電壓力。此外，依托于移動(dòng)智能終端設(shè)備、智能電表等都能夠加強(qiáng)消費(fèi)者與企業(yè)、消費(fèi)者與消費(fèi)者之間的數(shù)據(jù)信息交互。

3 結(jié)語(yǔ)

電商大數(shù)據(jù)是一個(gè)具有海量數(shù)據(jù)資源的產(chǎn)業(yè)平臺(tái)，通過(guò)對(duì)交易數(shù)據(jù)以及各種數(shù)據(jù)信息進(jìn)行分析和提取，必然能夠?yàn)槠渌P(guān)聯(lián)產(chǎn)業(yè)帶來(lái)新的發(fā)展機(jī)遇，將來(lái)大數(shù)據(jù)技術(shù)的進(jìn)一步應(yīng)用也會(huì)推動(dòng)企業(yè)向更高層次發(fā)展。在基于大數(shù)據(jù)為企業(yè)和消費(fèi)者帶來(lái)便利的同時(shí)，也需要加強(qiáng)企業(yè)與消費(fèi)者的信息安全，避免信息被不法分子所竊取，確保信息管理的安全性與高效性。

參考文獻(xiàn)

[1]徐國(guó)虎，孫凌.基于大數(shù)據(jù)技術(shù)的線上線下電商用戶數(shù)據(jù)挖掘流程分析[J].中國(guó)集體經(jīng)濟(jì)，2012 （30）：187-188.

[2]于志濤，韋文杰.大數(shù)據(jù)時(shí)代傳統(tǒng)出版企業(yè)與電商平臺(tái)的融合策略研究 以青島出版集團(tuán)為例[J].科技與出版，2015 （09）：29-32.

[3]李家華.基于大數(shù)據(jù)的人工智能跨境電商導(dǎo)購(gòu)平臺(tái)信息個(gè)性化推薦算法[J].科學(xué)技術(shù)與工程，2019，19 （14）：280-285.

[4]鄧志超.基于大數(shù)據(jù)的跨境電商平臺(tái)選品分析策略[J].特區(qū)經(jīng)濟(jì)，2019 （06）：135-137.

[5]陳文行.大數(shù)據(jù)背景下電商平臺(tái)信息分享策略研究[J].商業(yè)經(jīng)濟(jì)研究，2019 （01）：83-85.

[6]謝海英，趙嬌潔.大數(shù)據(jù)背景下我國(guó)跨境電商發(fā)展創(chuàng)新路徑研究[J].價(jià)值工程，2019，38 （32）：145-146.

[7]吳閩真，大數(shù)據(jù)時(shí)代我國(guó)跨境電商發(fā)展現(xiàn)狀及路徑創(chuàng)新[J].科技經(jīng)濟(jì)導(dǎo)刊，2019，27 （36）：232.

[8]莫川川.大數(shù)據(jù)技術(shù)在跨境電商領(lǐng)域中的應(yīng)用研究[J].湖北開(kāi)放職業(yè)學(xué)院學(xué)報(bào)，2020，33 （01）：120-121+12 6.

作者簡(jiǎn)介

王秋實(shí)（1984-），湖北省老河口市人。碩士學(xué)位，講師，工程師。研究方向?yàn)槁殬I(yè)教育管理、計(jì)算機(jī)應(yīng)用。